-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.html
1415 lines (922 loc) · 29 KB
/
index.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE html>
<html lang="" xml:lang="">
<head>
<title> Acquisition de données</title>
<meta charset="utf-8" />
<meta name="author" content=" Nicolas CASAJUS .inst[{{ Data scientist FRB-Cesab }}]" />
<script src="libs/header-attrs-2.11/header-attrs.js"></script>
<link href="libs/font-awesome-5.15.3/css/all.min.css" rel="stylesheet" />
<link href="libs/font-awesome-5.15.3/css/v4-shims.min.css" rel="stylesheet" />
<link rel="stylesheet" href="css/xaringan-themer.css" type="text/css" />
<link rel="stylesheet" href="css/custom.css" type="text/css" />
</head>
<body>
<textarea id="source">
class: right, middle, title-slide
# <br />Acquisition de données
## API & web scraping
### <br /><br />Nicolas CASAJUS<br />.inst[{{ Data scientist FRB-Cesab }}]
### .inst[Mardi 3 décembre 2019]
---
class: inverse, center, middle
# Les API
---
## Qu'est-ce qu'une API ?
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Interface de Programmation Applicative
---
## Qu'est-ce qu'une API ?
- Protocole HTTP(S) : Affichage d'une page web
--
<br />
.center[]
---
## Qu'est-ce qu'une API ?
- Protocole HTTP(S) : Affichage d'une page web
<br />
.center[]
---
## Qu'est-ce qu'une API ?
- Requête via API
<br />
.center[]
<br />
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Accès via interfaces en ligne de commande :
<i class="fab fa-r-project" role="presentation" aria-label="r-project icon"></i>
&nbsp;/&nbsp;
<i class="fab fa-python" role="presentation" aria-label="python icon"></i>
&nbsp;/&nbsp;
<i class="fab fa-js" role="presentation" aria-label="js icon"></i>
&nbsp;/&nbsp;
<i class="fa fa-terminal" role="presentation" aria-label="terminal icon"></i>
--
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Automatisation & Reproductibilité
--
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Différents formats de données (xml, (geo)json, yaml, texte, etc.)
---
## Qu'est-ce qu'une API ?
- Pas de protocole standardisé
- Termes et conditions d'utilisation propres
- Requiert souvent une clé d'authentification (**token**)
- Dans certains cas, quelques limitations (sur-sollicitations, # requêtes, # résultats, etc.)
---
## Sous <i class="fab fa-r-project" role="presentation" aria-label="r-project icon"></i> de nombreux packages
Package | Type de données
------------------|------------------
`{taxize}` | Taxonomie
`{spocc}` | Occurrences d'espèces
`{rcites}` | Espèces protégées mondiales
`{rfishbase}` | Informations sur les poissons
`{rredlist}` | Accès à IUCN liste rouge
`{treebase}` | Données phylogénétiques
`{traits}` | Traits d'espèces
`{rnaturalearth}` | Données vectorielles spatiales
`{raster}` | Données climatiques, altitude, etc.
`...` | ...
--
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Pour aller plus loin :
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;
[**[ rOpenSci ]**](https://ropensci.org/packages/)
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;
[**[ Open Data ]**](https://github.com/ropensci/opendata/blob/master/README.md)
---
## Zoom sur le package `{taxize}`
- _A taxonomic toolbelt for R_
--
- Permet notamment :
- vérifier les noms d'espèces
- obtenir les synonymes
- obtenir les noms communs (🇬🇧 / 🇫🇷 / 🇪🇸 / 🇨🇳)
- obtenir la classification taxonomique
- ...
--
- Couvre de nombreuses bases de données taxonomiques :
- Encyclopedia of Life (EOL)
- Integrated Taxonomic Information Service (ITIS)
- National Center for Biotechnology Information (NCBI)
- IUCN Red List
- World Register of Marine Species (WoRMS)
- Global Names Resolver
- ...
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;L'accès à certaines bases de données nécessite un token
---
## Zoom sur le package `{taxize}`
<br />
.left[]
_Acanthurus lineatus_
---
## Zoom sur le package `{taxize}`
<i class="fa fa-question-circle dark" role="presentation" aria-label="question-circle icon"></i> &nbsp;Le nom d'espèce est-il bien orthographié ?
```r
species_name <- "Acanthuurus lineatus"
```
--
<br />
```r
taxize::gnr_resolve(names = species_name)
```
```
## submitted_name matched_name data_source_title score
## 1 Acanthuurus lineatus Acanthurus lineatus NCBI 0.75
## 2 Acanthuurus lineatus Acanthurus lineatus Freebase 0.75
## 3 Acanthuurus lineatus Acanthurus lineatus Encyclopedia of Life 0.75
## 4 Acanthuurus lineatus Acanthurus lineatus iNaturalist 0.75
## ...
```
<br />
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Bonne orthographe : **_Acanthurus lineatus_**
---
## Zoom sur le package `{taxize}`
<i class="fa fa-question-circle dark" role="presentation" aria-label="question-circle icon"></i> &nbsp;Quel est le nom accepté ?
```r
species_name <- "Acanthurus lineatus"
```
--
<br />
```r
taxize::tnrs(query = species_name)
```
```
## submittedname acceptedname sourceid score matchedname
## 1 Acanthurus lineatus Acanthurus lineatus NCBI 1 Acanthurus lineatus
```
<br />
```r
taxize::tnrs(query = species_name)$acceptedname
```
```
## [1] "Acanthurus lineatus"
```
---
## Zoom sur le package `{taxize}`
<i class="fa fa-question-circle dark" role="presentation" aria-label="question-circle icon"></i> &nbsp;Quelle est sa classification taxonomique ?
```r
taxize::classification(x = species_name, db = "itis")
```
--
```
● Total: 1
● Found: 1
● Not Found: 0
$`Acanthurus lineatus`
name rank id
1 Animalia kingdom 202423
2 Bilateria subkingdom 914154
3 Deuterostomia infrakingdom 914156
4 Chordata phylum 158852
5 Vertebrata subphylum 331030
6 Gnathostomata infraphylum 914179
7 Actinopterygii superclass 161061
8 Teleostei class 161105
9 Acanthopterygii superorder 166082
10 Perciformes order 167640
11 Acanthuroidei suborder 172249
12 Acanthuridae family 172250
13 Acanthurus genus 172251
14 Acanthurus lineatus species 172271
```
---
## Zoom sur le package `{taxize}`
<i class="fa fa-question-circle dark" role="presentation" aria-label="question-circle icon"></i> &nbsp;Quels sont ses synonymes ?
```r
synonyms <- taxize::synonyms(species_name, db = "worms")
```
```
✔ Found: Acanthurus lineatus
══ Results ═════════════════
● Total: 1
● Found: 1
● Not Found: 0
```
--
<br />
```r
synonyms <- as.data.frame(synonyms[[species_name]])
synonyms[ , c("scientificname", "status", "valid_name", "order")]
```
```
## scientificname status valid_name order
## 1 Acanthurus vittatus unaccepted Acanthurus lineatus Perciformes
## 2 Chaetodon lineatus unaccepted Acanthurus lineatus Perciformes
## 3 Ctenodon lineatus unaccepted Acanthurus lineatus Perciformes
## 4 Harpurus lineatus unaccepted Acanthurus lineatus Perciformes
## 5 Hepatus lineatus unaccepted Acanthurus lineatus Perciformes
## 6 Rhombotides lineatus unaccepted Acanthurus lineatus Perciformes
## 7 Teuthis lineatus unaccepted Acanthurus lineatus Perciformes
```
---
## Zoom sur le package `{taxize}`
<i class="fa fa-question-circle dark" role="presentation" aria-label="question-circle icon"></i> &nbsp;Quels sont ses noms communs ?
```r
taxize::sci2comm(species_name, db = "ncbi")
```
```
## [1] "lined surgeonfish"
```
<br />
```r
taxize::sci2comm(species_name, db = "itis")
```
```
## [1] "lined surgeonfish"
```
<br />
```r
taxize::sci2comm(species_name, db = "worms")
```
```
## [1] "lined surgeonfish" "ニジハギ"
```
--
<br />
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;En 🇫🇷 : le **Poisson chirurgien rayé** ou **Poisson chirurgien clown**
---
## Construction d'un client R
_Que faire si aucun package R n'a été développé mais qu'il existe une API ?_
--
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Construire soi-même un client R (c.-à-d. écrire soi-même les requêtes à envoyer à l'API)
--
<br />
Sous <i class="fab fa-r-project dark" role="presentation" aria-label="r-project icon"></i> il existe de nombreux packages pour communiquer
avec les services Web (`{httr}`, `{curl}`, etc.)
--
<br />
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;
[**Getting started with httr**](https://cran.r-project.org/web/packages/httr/vignettes/quickstart.html)
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;
[**Best practices for API packages**](https://cran.r-project.org/web/packages/httr/vignettes/api-packages.html)
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;
[**Managing secrets**](https://cran.r-project.org/web/packages/httr/vignettes/secrets.html)
--
<br />
Voyons deux exemples illustrant l'utilisation de `{httr}`
---
## IUCN Red list API
.center[[](https://apiv3.iucnredlist.org/api/v3/docs)]
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Conditions d'utilisation disponibles [**ici**](https://www.iucnredlist.org/terms/terms-of-use)
<br />
Cette API permet d'obtenir différentes informations sur les espèces en danger à l'échelle globale
- Listes d'espèces par catégorie IUCN
- Listes d'espèces par pays
- Les habitats, menaces pour chaque espèce
- _et bien d'autres..._
Elle requière un [**token**](https://apiv3.iucnredlist.org/api/v3/token)
---
## IUCN Red list API
Pour la démonstration, nous utiliserons le token fourni dans la documentation de l'API
<br />
.center[<i class="fa fa-universal-access darkbig" role="presentation" aria-label="universal-access icon"></i>]
<br />
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Si vous voulez utiliser cette API, **SVP** obtenez votre propre [**token**](https://apiv3.iucnredlist.org/api/v3/token)
---
## IUCN Red list API
- Stockons le token comme variable d'environnement dans le fichier `.Renviron`
```r
usethis::edit_r_environ() # Ouverture du fichier `.Renviron`
```
- Et ajoutons cette ligne (en adaptant la valeur)
```r
IUCN_KEY=9bb4facb6...
```
--
<br />
- Vérifions que le PAT est bien stocké (après un redémarrage de <i class="fab fa-r-project" role="presentation" aria-label="r-project icon"></i>)
```r
Sys.getenv("IUCN_KEY")
```
```
## [1] "9bb4facb6..."
```
---
## IUCN Red list API
<i class="fa fa-question-circle dark" role="presentation" aria-label="question-circle icon"></i> &nbsp;Combien d'espèces de chaque catégorie IUCN y a-t-il en France ?
--
- Ecrivons la requête
```r
api_url <- "https://apiv3.iucnredlist.org/api/v3/"
query <- "country/getspecies/"
country <- "FR"
iucn_token <- Sys.getenv("IUCN_KEY")
request <- paste0(
api_url,
query,
country,
"?token=",
iucn_token
)
```
```
## [1] "https://apiv3.iucnredlist.org/api/v3/country/getspecies/FR?token=9bb4fac...
```
---
## IUCN Red list API
- Envoyons la requête à l'API et récupérons le résultat
```r
response <- httr::GET(request)
```
--
- Affichons le statut de la réponse
```r
httr::http_status(response)
```
```
## $category
## [1] "Success"
##
## $reason
## [1] "OK"
##
## $message
## [1] "Success: (200) OK"
```
--
- Sous quel format sont retournées les données ?
```r
httr::http_type(response)
```
```
## [1] "application/json"
```
---
## IUCN Red list API
- Accédons au contenu de la réponse (données)
```r
datas <- httr::content(response, as = "text")
```
```
{
"count":3897,
"country":"FR",
"result":[
{
"taxonid":190498,
"scientific_name":"Abida ateni",
"subspecies":null,
"subpopulation":null,
"category":"VU"
},
{
"taxonid":156905,
"scientific_name":"Abida attenuata",
"subspecies":null,
"subpopulation":null,
"category":"LC"
}
...
]
}
```
---
## IUCN Red list API
- Convertissons (_parse_) ce format JSON en objet R (package `{jsonlite}`)
```r
results <- jsonlite::fromJSON(datas)
```
--
<br />
- Quel est le format retourné ?
```r
str(results)
```
```
## List of 3
## $ count : int 3897
## $ country: chr "FR"
## $ result :'data.frame': 3897 obs. of 6 variables:
## ..$ taxonid : int [1:3897] 190498 156905 156761 156390 156989 ...
## ..$ scientific_name: chr [1:3897] "Abida ateni" "Abida attenuata" ...
## ..$ subspecies : chr [1:3897] NA NA NA NA ...
## ..$ rank : chr [1:3897] NA NA NA NA ...
## ..$ subpopulation : chr [1:3897] NA NA NA NA ...
## ..$ category : chr [1:3897] "VU" "LC" "LC" "LC" ...
```
---
## IUCN Red list API
- Extrayons les données qui nous intéressent
```r
species_fr <- results$result
head(species_fr)
```
```
## taxonid scientific_name subspecies rank subpopulation category
## 1 190498 Abida ateni <NA> <NA> <NA> VU
## 2 156905 Abida attenuata <NA> <NA> <NA> LC
## 3 156761 Abida bigerrensis <NA> <NA> <NA> LC
## 4 156390 Abida cylindrica <NA> <NA> <NA> LC
## 5 156989 Abida gittenbergeri <NA> <NA> <NA> NT
## 6 156823 Abida occidentalis <NA> <NA> <NA> LC
```
--
- Nombre d'espèces par catégorie listées par l'IUCN
```r
table(species_fr[ , "category"])
```
```
##
## CR DD EN EW EX LC LR/cd LR/lc LR/nt NT VU
## 51 331 162 1 9 3164 1 2 16 239 289
```
--
.right[<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp; Package R ` {rredlist}`]
---
## OpenStreetMap Nominatim
.center[[](http://nominatim.openstreetmap.org/search/)]
--
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Conditions d'utilisation disponibles [**ici**](https://operations.osmfoundation.org/policies/nominatim/)
<br />
Cette API permet d'obtenir les coordonnées géographiques de lieux (villes, bâtiment, numéros de rue, etc.)
Elle ne requière aucun token. Cependant, le nombre de requêtes est limitée à 1/s
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;`Sys.sleep()`
---
## OpenStreetMap Nominatim
- Ecrivons le requête de base
```
http://nominatim.openstreetmap.org/search/{{@}}?format=json&addressdetails=0&limit=1
```
```r
api_url <- "http://nominatim.openstreetmap.org/search/"
params <- list(
format = "json", # Format des données retournées
details = 0, # Recommendé par l'API
limit = 1 # Un seul résultat par requête
)
```
--
<br />
- Pour quelle entité géographique (`{{@}}`) ?
```r
location <- "5 rue de l'école de médecine, Montpellier, France"
location <- gsub("\\s+", "%20", location)
```
```
## [1] "5%20rue%20de%20l'école%20de%20médecine,%20Montpellier,%20France"
```
---
## OpenStreetMap Nominatim
- Ecrivons le requête complète
```r
request <- paste0(api_url, location)
```
```
## "http://nominatim.openstreetmap.org/search/5%20rue%20de%20l'école%20de%20méd..."
```
--
- Envoyons la requête à l'API (avec paramètres) et récupérons le résultat
```r
response <- httr::GET(request, query = params)
```
--
- Affichons le statut de la réponse
```r
httr::http_status(response)
```
```
## $category
## [1] "Success"
##
## $reason
## [1] "OK"
##
## $message
## [1] "Success: (200) OK"
```
---
## OpenStreetMap Nominatim
- Sous quel format sont retournées les données ?
```r
httr::http_type(response)
```
```
## [1] "application/json"
```
--
- Accédons au contenu de la réponse (données)
```r
datas <- httr::content(response, as = "text")
```
```
[
{
"place_id":259115419,
"licence":"Data © OpenStreetMap contributors, ODbL 1.0. https://osm.org/copyright",
"osm_type":"node",
"osm_id":6405038665,
"boundingbox":["43.6127241","43.6128241","3.8734359","3.8735359"],
"lat":"43.6127741",
"lon":"3.8734859",
"display_name":"5, Rue de l'École de Médecine, Centre Historique, Montpellier, Hérault...",
"class":"place",
"type":"house",
"importance":0.831
}
]
```
---
## OpenStreetMap Nominatim
- Convertissons (parse) ce format JSON en objet R
```r
results <- jsonlite::fromJSON(datas)
```
--
- Quel est le format retourné ?
```r
class(results)
```
```
## [1] "data.frame"
```
--
<br />
- Extrayons les données qui nous intéressent
```r
results$lon <- as.numeric(results$lon)
results$lat <- as.numeric(results$lat)
(xy <- results[ , c("lon", "lat")])
```
```
## lon lat
## 1 3.873486 43.61277
```
---
## OpenStreetMap Nominatim
- Fiabilité du résultat ?
.pull-left[
```r
## Fond de carte -----
maps::map(
region = "France",
fill = TRUE,
col = "#294557",
border = "white"
)
## Ajout du point -----
points(
xy,
pch = 17,
col = "#a52a2a",
cex = 2
)
```
]
.pull-right[
.center[
<!-- -->
]
]
---
class: inverse, center, middle
# Web scraping
---
## Quésaco ?
- Extraction via des programmes informatiques (Robots) du contenu de pages Web en vue de son utilisation
- La question de la légalité : le cas Google (le gros foutage de gueule)
--
<br />
- Est-ce que tout peut-être scrapé ?
- Compte utilisateur
- Captchas
- Bannissement d'IP
<br />
--
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;[**Be polite!**](http://www.user2019.fr/static/pres/lt257430.pdf) with [`{polite}`](https://github.com/dmi3kno/polite/)
--
<br />
Sous <i class="fab fa-r-project" role="presentation" aria-label="r-project icon"></i>, deux approches :
1. L'approche brutale (`readLines()` + `regular expressions`)
1. Le package R : `{rvest}`
---
## Extraction de texte
<i class="fa fa-hand-point-right dark" role="presentation" aria-label="hand-point-right icon"></i> &nbsp;Source : [**Wikipédia**](https://fr.wikipedia.org/wiki/Liste_des_communes_de_France_les_plus_peuplées)
- Construisons l'URL de la page
```r
base_url <- "https://fr.wikipedia.org/wiki/"
article <- "Acanthurus_lineatus"
request <- paste0(base_url, article)
```
--
<br />
- Ouverture d'une session HTML
```r
html <- rvest::html_session(request)
```
```
## Warning: `html_session()` was deprecated in rvest 1.0.0.
## Please use `session()` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was generated.
```
---
## Extraction de texte
- Extrayons le titre de la page
```r
html %>%
rvest::html_nodes(css = ".firstHeading") %>%
rvest::html_text()
```
```